Mid-Bot / Magazin / Artikel
Trading-Bot · Edukativ

Backtest-Bias: Look-Ahead, Survivorship und Data-Snooping verstehen

Ein Backtest, der zu gut aussieht, ist meistens falsch. Drei systematische Verzerrungen lassen historische Strategien glänzen, die in der Realität verlieren. Wer sie kennt, traut seinen Kurven weniger — und das ist gut so.

Autor Julien MarschallVeröffentlicht 2026-06-26Lesezeit 6 Min.

Der Backtest ist das wichtigste Werkzeug der Strategieentwicklung und gleichzeitig das gefährlichste. Er erzeugt Zahlen, die nach Wahrheit aussehen, obwohl sie auf stillen Annahmen beruhen. Drei Verzerrungen tauchen besonders häufig auf und erklären, warum Strategien im Papierhandel brillieren und live einbrechen.

1. Look-Ahead-Bias: Wissen aus der Zukunft

Look-Ahead entsteht, wenn die Strategie im Test auf Informationen zugreift, die zum Handelszeitpunkt real noch nicht verfügbar waren. Ein klassisches Beispiel: Man nutzt den Schlusskurs eines Tages, um schon während dieses Tages eine Entscheidung zu treffen. Im Test funktioniert das, in der Realität kennt man den Schlusskurs erst am Ende. Solche Fehler stecken oft tief in der Datenaufbereitung.

2. Survivorship-Bias: Die Verlierer fehlen

Wer eine Strategie nur auf den heute noch existierenden Werten testet, blendet alle aus, die zwischenzeitlich pleitegegangen oder delistet wurden. Das Ergebnis: Die Vergangenheit sieht zu freundlich aus, weil die Katastrophenfälle gar nicht im Datensatz sind. Ein sauberer Test braucht Daten, die auch verschwundene Titel enthalten.

Jede Backtest-Kurve ist eine Hypothese, kein Versprechen. Die Frage ist nicht, wie gut sie aussieht, sondern welche Annahme sie schönrechnet.

3. Data-Snooping: Solange suchen, bis etwas passt

Wer genug Parameter und Varianten durchprobiert, findet immer eine Kombination, die historisch hervorragend gelaufen wäre — rein zufällig. Dieses Overfitting an die Vergangenheit ist die häufigste Selbsttäuschung. Je mehr man optimiert, desto wahrscheinlicher beschreibt das Ergebnis Rauschen statt eines echten Effekts.

  • Look-Ahead: Daten zeitlich sauber trennen, keine Zukunftsinfo nutzen
  • Survivorship: Datensätze mit delisteten Werten verwenden
  • Data-Snooping: weniger Parameter, Out-of-Sample- und Walk-Forward-Tests

Wie man sich schützt

Der wichtigste Schutz ist methodische Disziplin: Daten zeitlich strikt trennen, Strategien auf nicht zum Optimieren genutzten Zeiträumen prüfen und realistische Kosten wie Slippage und Gebühren einrechnen. Wer am Ende einen Dry-Run und Paper-Trading anschließt, sieht früh, ob die schöne Kurve auch außerhalb des Labors trägt.

Backtest-Bias macht aus Lernen Selbstbetrug. Wer ihn kennt und einrechnet, behandelt Ergebnisse als das, was sie sind: Hinweise, keine Garantien.

Trading-Automation sauber verstehen

Mid-Bot erklärt die Mechanik hinter Strategien und Tests — edukativ und nachvollziehbar, ohne Heilsversprechen.

Mehr erfahren →

Häufige Fragen

Was ist der Unterschied zwischen Overfitting und Data-Snooping?
Overfitting beschreibt eine Strategie, die sich zu eng an historische Daten anpasst. Data-Snooping ist der Weg dorthin: Man probiert so viele Varianten durch, bis eine zufällig gut aussieht. Beide führen zu Ergebnissen, die live nicht halten.
Wie erkenne ich Survivorship-Bias in meinen Daten?
Prüfen Sie, ob Ihr Datensatz auch Werte enthält, die im Testzeitraum delistet oder insolvent wurden. Enthält er nur heute existierende Titel, ist das Ergebnis durch Survivorship-Bias zu optimistisch.